El mundo sigue viendo un aumento de los fenómenos meteorológicos extremos, pero el clima sigue siendo un factor que se pasa por alto en muchas operaciones comerciales a nivel mundial. Este problema se debe principalmente a la incapacidad de los modelos modernos de predicción meteorológica numérica (PNT) para predecir fenómenos meteorológicos críticos localizados de manera rentable y oportuna.
Esto es especialmente crítico para las operaciones de energía eólica a nivel mundial, ya que una mejor predicción del tiempo permitiría:
- Mayor seguridad contra condiciones climáticas extremas, como vientos fuertes que pueden causar daños a las turbinas eólicas u otros equipos.
- Mejor inteligencia meteorológica para el pronóstico de carga del día siguiente para predecir cuánta energía se debe entregar para cada hora del día siguiente.
A visualización de los procesos físicos que ocurren en cada celda de la cuadrícula dentro de un modelo numérico de predicción del tiempo.
Los modelos de PNT están diseñados para dividir el mundo en una cuadrícula tridimensional que contiene miles de millones de celdas tanto horizontales como verticales. Dentro de cada celda de la cuadrícula, se utilizan ecuaciones meteorológicas para calcular los procesos físicos que caracterizan cómo se mueve el aire (es decir, cómo se intercambian el calor y la humedad en la atmósfera) a medida que el modelo avanza en el tiempo. Las condiciones atmosféricas, como temperatura, presión, humedad, etc., son las mismas en cada celda de la cuadrícula.
Los modelos ejecutados a resoluciones más bajas (es decir, > 4 km), como los modelos de predicción meteorológica global, son computacionalmente económicos, pero carecen significativamente del nivel de detalle necesario para representar con precisión las características meteorológicas a escala local. En simulaciones de baja resolución, las celdas de la cuadrícula son más grandes, lo que significa que un área más grande contendrá las mismas condiciones atmosféricas. Esto presenta un problema importante para las predicciones meteorológicas regionales porque los procesos a escala local se tergiversan y se pasan por alto, especialmente en terrenos complejos (es decir, montañas y regiones costeras), donde los procesos impulsados por el terreno influyen en gran medida en las condiciones climáticas localizadas (es decir, nieve con efecto de lago, tormentas eléctricas emergentes, etc.).
Una forma de resolver este problema es ejecutar un modelo (regional) a una resolución más alta (es decir, < 4 km), ya que estos modelos pueden mejorar la representación de características climáticas críticas a escala local. Sin embargo, ejecutar modelos a resoluciones más altas tiene sus desventajas. Las celdas de la cuadrícula en los modelos de mayor resolución son más pequeñas, lo que significa que el dominio del modelo consta de más celdas de la cuadrícula de las que tendría si se ejecutara a una resolución más baja. Las celdas de cuadrícula más pequeñas permiten que el modelo caracterice las interacciones de los procesos físicos a escala local de manera más efectiva, pero aumenta considerablemente el costo computacional y el tiempo que llevará completar la simulación, ya que se realizan más cálculos.
TempoQuest, el proveedor líder de software de pronóstico meteorológico acelerado a escala local, está trabajando para resolver este problema mediante el desarrollo de su producto de software de pronóstico meteorológico mejorado, AceCAST, que es una versión acelerada del modelo de pronóstico e investigación meteorológica (WRF). AceCAST se ejecuta únicamente en Unidades de Procesador de Gráficos (GPU) en lugar de Unidades Centrales de Procesamiento (CPU) tradicionales, lo que permite a los usuarios ejecutar simulaciones de mayor resolución de cinco a quince veces más rápido a un costo mucho menor.
AceCAST puede evitar que las empresas de energía pierdan millones de dólares cada año
Los riesgos creados por la falta de comprensión y la gestión inactiva de las condiciones climáticas son enormes.
Granizo o Rayo: Puede dañar o destruir turbinas, que cuestan hasta 2,2 millones de dólares.
Vientos fuertes: Si bien las turbinas están destinadas a aprovechar la energía eólica, también pueden resultar dañadas por ráfagas de viento de más de 60 mph.
Temperaturas extremas: Muchas turbinas están ubicadas en áreas remotas, que están sujetas a cambios extremos de temperatura que van desde -22ºF a 131ºF.
Toma de decisiones operativas: La combinación de los pronósticos de viento producidos por AceCAST con el pronóstico de carga permite a los operadores comprometer el resto de la flota de generación para servir la carga de manera económica y segura al día siguiente.
Como se comenta en “El valor de la previsión de la energía eólica”escrito por Debra Lew y Michael Milligan en el Laboratorio Nacional de Energía Renovable:
“Para las turbinas eólicas con paso controlado, la producción de energía varía como el cubo de la velocidad del viento en una porción significativa de la curva de producción de energía (ver la figura a continuación). En esta región, pequeñas mejoras en la velocidad del viento pronosticada conducirían a mejoras significativamente mayores en los pronósticos de energía eólica.”
Ejemplo de curva de producción de potencia de un aerogenerador.
AceCAST ofrece la capacidad de mejorar el pronóstico del tiempo mediante la ejecución de predicciones meteorológicas numéricas aceleradas en GPU. Como resultado, la capacidad de producir predicciones meteorológicas localizadas se vuelve más práctica. Cuando se combinan en el pronóstico de carga, los algoritmos estadísticos y de aprendizaje automático mejorarán aún más la predicción del clima y la convertirán en información procesable al brindar el impacto del pronóstico del viento en la planta de energía.
Al tener la capacidad de tener un mejor pronóstico para empezar, la incertidumbre final del pronóstico de carga será menor que si se utiliza un modelo meteorológico de baja resolución y menos preciso.
Fuente: https://www.nrel.gov/docs/fy11osti/50814.pdf
Para obtener más información sobre AceCAST visite: https://tempoquest.com/
Para obtener más información técnica sobre AceCAST visite: https://acecast-docs.readthedocs.io/en/latest/
